Python多线程爬虫教程\_threading实战详解
2026-01-13 19:21:49
0浏览
收藏
大家好,今天本人给大家带来文章《Python多线程爬虫教程\_threading实战详解》,文中内容主要涉及到,如果你对文章方面的知识点感兴趣,那就请各位朋友继续看下去吧~希望能真正帮到你们,谢谢!
Python多线程爬虫应采用Queue+threading.Thread的生产者-消费者模型,合理控制并发数、加锁保护共享资源、添加延时与异常处理,避免被封;I/O密集型任务适用,CPU密集型则选multiprocessing。

Python多线程爬虫不是靠开一堆线程硬怼,而是用 threading 控制并发节奏,避免被封、减少等待、提升整体抓取效率。关键在合理复用线程、加锁保护共享资源、控制请求频率。
用 Queue + threading.Thread 做任务分发
手动管理线程数量比直接 start() 一堆线程更稳妥。推荐搭配 queue.Queue 实现生产者-消费者模型:
- 主线程把待爬 URL 放进队列(生产者)
- 多个工作线程从队列取 URL 并请求(消费者),处理完自动取下一个
- 队列自带线程安全,不用额外加锁
示例片段:
import threading
import queue
import requests
<p>url_queue = queue.Queue()
results = []</p><p>def worker():
while True:
url = url_queue.get()
if url is None: # 退出信号
break
try:
resp = requests.get(url, timeout=5)
results.append((url, resp.status_code))
except Exception as e:
results.append((url, f"error: {e}"))
url_queue.task_done() # 标记完成</p><h1>启动 4 个线程</h1><p>threads = []
for _ in range(4):
t = threading.Thread(target=worker)
t.start()
threads.append(t)</p><h1>添加任务</h1><p>for u in ["<a target='_blank' href='https://www.17golang.com/gourl/?redirect=MDAwMDAwMDAwML57hpSHp6VpkrqbYLx2eayza4KafaOkbLS3zqSBrJvPsa5_0Ia6sWuR4Juaq6t9nq5roGCUgXuytMyerpV6iZXHe3vUmsyZr5vTk6a8eYanvpGjpn2MhqKu3LOijnmMlbN4cpSSt89pkqp5qLBkep6yo6Nkf42hpLLdyqKBrIXRsot-lpHdz3Y' rel='nofollow'>https://httpbin.org/delay/1</a>", "<a target='_blank' href='https://www.17golang.com/gourl/?redirect=MDAwMDAwMDAwML57hpSHp6VpkrqbYLx2eayza4KafaOkbLS3zqSBrJvPsa5_0Ia6sWuR4Juaq6t9nq5roGCUgXuytMyerpV6iZXHe3vUmsyZr5vTk6a8eYanvpGjpn2ihqKu3LOijnmMlbN4cpSSt89pkqp5qLBkep6yo6Nkf42hpLLdyqKBrIXRsot-lpHdz3Y' rel='nofollow'>https://httpbin.org/delay/2</a>"]:
url_queue.put(u)</p><p>url_queue.join() # 等所有任务完成</p><h1>发送退出信号</h1><p>for _ in threads:
url_queue.put(None)
for t in threads:
t.join()
</p>共享数据要加锁,别让线程抢着写
像写文件、更新全局列表、计数器这类操作,多个线程同时执行会出错(比如少记一次、覆盖数据)。必须用 threading.Lock:
- 定义一个 lock 对象:
lock = threading.Lock() - 写共享变量前调用
lock.acquire(),写完立刻lock.release() - 更安全写法是用
with lock:语句,自动释放
例如保存结果到 CSV 文件时:
import csv
lock = threading.Lock()
<p>def save_to_csv(url, status):
with lock: # 确保同一时间只有一个线程在写
with open("log.csv", "a", newline="") as f:
writer = csv.writer(f)
writer.writerow([url, status])
</p>别忘加延时和异常兜底,否则容易被反爬
多线程不等于“越快越好”。高频请求会触发目标网站的频率限制或验证码:
- 每个线程内请求后加
time.sleep(0.5)(根据目标调整) - 统一捕获
requests.exceptions.RequestException,避免单个失败导致线程退出 - 设置合理的
timeout,防止某个 URL 卡死整个线程 - 考虑加 User-Agent 轮换、Session 复用,进一步降低被识别风险
什么时候别用 threading?
纯 CPU 密集型任务(如解析大量 JSON、计算哈希)用 threading 效果差,因为 CPython 有 GIL;此时应选 multiprocessing。而爬虫本质是 I/O 密集型,threading 正合适——等响应时线程挂起,CPU 可切去干别的。
如果需要更高并发或更优雅的协程支持,可后续升级到 asyncio + aiohttp,但 threading 入门快、逻辑直白,适合中小规模稳定采集。
以上就是《Python多线程爬虫教程\_threading实战详解》的详细内容,更多关于的资料请关注golang学习网公众号!
中国知网官网入口及登录方法
- 上一篇
- 中国知网官网入口及登录方法
- 下一篇
- Java后端垃圾收集器选择:G1与ZGC对比解析
查看更多
最新文章
-
- 文章 · python教程 | 26分钟前 |
- Python资源释放技巧:finally与上下文用法解析
- 456浏览 收藏
-
- 文章 · python教程 | 37分钟前 |
- Pythondistribute是什么?
- 252浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python字典处理:空值、缺键与类型统一技巧
- 249浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python提取数字的高效技巧
- 412浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python时间序列预测方法详解
- 159浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Flask表单不显示?常见原因及解决方法
- 478浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python单元测试入门:unittest使用教程
- 338浏览 收藏
-
- 文章 · python教程 | 2小时前 |
- JAX梯度计算:正确使用布尔运算符技巧
- 439浏览 收藏
-
- 文章 · python教程 | 3小时前 | Python Python官网
- Python模块索引高效查找技巧
- 490浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python代替blist库的实用方法
- 332浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python中文输出问题解决方法
- 241浏览 收藏
-
- 文章 · python教程 | 4小时前 |
- Python代码安全审计:静态分析与漏洞修复技巧
- 322浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- ChatExcel酷表
- ChatExcel酷表是由北京大学团队打造的Excel聊天机器人,用自然语言操控表格,简化数据处理,告别繁琐操作,提升工作效率!适用于学生、上班族及政府人员。
- 3617次使用
-
- Any绘本
- 探索Any绘本(anypicturebook.com/zh),一款开源免费的AI绘本创作工具,基于Google Gemini与Flux AI模型,让您轻松创作个性化绘本。适用于家庭、教育、创作等多种场景,零门槛,高自由度,技术透明,本地可控。
- 3868次使用
-
- 可赞AI
- 可赞AI,AI驱动的办公可视化智能工具,助您轻松实现文本与可视化元素高效转化。无论是智能文档生成、多格式文本解析,还是一键生成专业图表、脑图、知识卡片,可赞AI都能让信息处理更清晰高效。覆盖数据汇报、会议纪要、内容营销等全场景,大幅提升办公效率,降低专业门槛,是您提升工作效率的得力助手。
- 3824次使用
-
- 星月写作
- 星月写作是国内首款聚焦中文网络小说创作的AI辅助工具,解决网文作者从构思到变现的全流程痛点。AI扫榜、专属模板、全链路适配,助力新人快速上手,资深作者效率倍增。
- 4979次使用
-
- MagicLight
- MagicLight.ai是全球首款叙事驱动型AI动画视频创作平台,专注于解决从故事想法到完整动画的全流程痛点。它通过自研AI模型,保障角色、风格、场景高度一致性,让零动画经验者也能高效产出专业级叙事内容。广泛适用于独立创作者、动画工作室、教育机构及企业营销,助您轻松实现创意落地与商业化。
- 4192次使用
查看更多
相关文章
-
- Flask框架安装技巧:让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++:哪个编程语言更适合初学者?
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览

